必须继承BaseEstimator和TransformerMixin，否则无法被Pipeline或GridSearchCV识别：前者提供get_params/set_params支持超参搜索，后者提供fit_transform默认实现。
Scikit-learn 的 TransformerMixin 和 BaseEstimator 不是装饰器或魔法开关，而是用来让你的类被 pipeline 正确识别和调用的契约——没继承它们，fit_transform() 就会报错，Pipeline 也根本不会认你。
为什么继承 BaseEstimator 和 TransformerMixin 是硬性要求
scikit-learn 的 pipeline 和 cross-validation 依赖统一接口。只写 fit() 和 transform() 方法还不够，必须显式继承这两个基类，否则：
-
fit_transform()方法不存在（TransformerMixin提供默认实现） -
get_params()/set_params()缺失（BaseEstimator提供），导致网格搜索失败 -
Pipeline在验证阶段直接抛TypeError: 'MyTransformer' object is not a transformer
自定义 Transformer 必须实现的两个方法
哪怕只是 pass-through，也要明确定义 fit() 和 transform()，且签名必须匹配 scikit-learn 规范：
-
fit(self, X, y=None)：y参数必须存在且默认为None（即使不用），否则 pipeline 会拒绝传入 -
transform(self, X)：必须返回 ndarray 或 sparse matrix，不能返回 pandas DataFrame（除非你明确处理了列名保留逻辑） - 两个方法都得返回
self（fit）或转换后数据（transform），不能静默修改原X
示例（标准化某几列）：
from sklearn.base import BaseEstimator, TransformerMixin
<p>class SelectiveStandardScaler(BaseEstimator, TransformerMixin):
def <strong>init</strong>(self, cols=None):
self.cols = cols
self.means<em> = None
self.stds</em> = None</p><pre class="brush:php;toolbar:false;">def fit(self, X, y=None):
import numpy as np
X = np.asarray(X)
self.means_ = np.mean(X[:, self.cols], axis=0) if self.cols else np.mean(X, axis=0)
self.stds_ = np.std(X[:, self.cols], axis=0) if self.cols else np.std(X, axis=0)
return self
def transform(self, X):
import numpy as np
X = np.asarray(X)
X_out = X.copy()
X_out[:, self.cols] = (X_out[:, self.cols] - self.means_) / (self.stds_ + 1e-8)
return X_out
在 Pipeline 中使用时容易忽略的 shape 和 dtype 问题
自定义 transformer 常在 pipeline 中突然报错，多数不是逻辑问题，而是数据形态不兼容：
- 输入
X可能是pd.DataFrame，但你的transform()直接用X[:, cols]—— 这会触发KeyError或TypeError - 返回值若含
np.nan，后续 estimator（如LogisticRegression）可能直接崩溃，而错误堆栈不指向你的 transformer - 如果内部用了 pandas 操作，返回
DataFrame，但下游 estimator（如SVC）只接受ndarray，就会报ValueError: Expected 2D array, got 1D array instead
稳妥做法：开头强制转 np.asarray(X)，结尾确保返回 np.ndarray；若需保留列名，得额外实现 set_params 和适配 ColumnTransformer。
真正麻烦的不是写那两个方法，而是让 transformer 在各种 pipeline 组合、cross-validation 折数、并行 joblib 调用下始终返回一致 shape 和 dtype —— 这需要你在 fit 和 transform 里对输入做类型检查，而不是靠文档假设用户会传什么。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
